Meta AI presenta Habitat 3.0, Habitat Synthetic Scenes Dataset e HomeRobot 3 importanti innovazioni nello sviluppo di agenti AI socialmente incorporati.
Meta AI presenta Habitat 3.0, Habitat Synthetic Scenes Dataset e HomeRobot 3 importanti innovazioni nello sviluppo di agenti AI socialmente incorporati.
Facebook AI Research (FAIR) è dedicato a far progredire il campo della robotica socialmente intelligente. L’obiettivo principale è sviluppare robot in grado di assistere nelle attività quotidiane, adattandosi alle preferenze uniche dei loro partner umani. Il lavoro consiste nell’approfondire i sistemi embedded per stabilire le basi per la prossima generazione di esperienze in AR e VR. L’obiettivo è rendere la robotica parte integrante delle nostre vite, riducendo il peso delle mansioni quotidiane e migliorando la qualità della vita delle persone. L’approccio poliedrico di FAIR enfatizza l’importanza di unire intelligenza artificiale, realtà aumentata, realtà virtuale e robotica per creare un futuro in cui la tecnologia migliora in modo senza soluzione di continuità le nostre esperienze quotidiane e ci conferisce poteri in modi mai immaginati prima.
FAIR ha compiuto tre progressi significativi per affrontare le sfide di scalabilità e sicurezza nel addestramento e collaudo di agenti AI in ambienti fisici:
- Habitat 3.0 è un simulatore di alta qualità per robot e avatar, che facilita la collaborazione uomo-robot in un ambiente simile a una casa.
- Il dataset Habitat Synthetic Scenes (HSSD-200) è un dataset 3D progettato da artisti per fornire un’eccezionale generalizzazione durante l’addestramento di agenti di navigazione.
- La piattaforma HomeRobot offre un assistente robot domestico a prezzi accessibili per compiti a vocabolario aperto in ambienti simulati e del mondo reale, accelerando così lo sviluppo di agenti di intelligenza artificiale che possono assistere gli esseri umani.
Habitat 3.0 è un simulatore progettato per facilitare la ricerca nella robotica mediante il test veloce e sicuro di algoritmi in ambienti virtuali prima della loro implementazione su robot fisici. Consente la collaborazione tra esseri umani e robot durante l’esecuzione di attività quotidiane e include avatar umanoidi realistici per consentire l’addestramento dell’IA in ambienti simili a quelli domestici. Habitat 3.0 offre task di riferimento che favoriscono comportamenti collaborativi uomo-robot in scenari reali al chiuso, come la pulizia e la navigazione, aprendo così nuove possibilità di esplorazione dell’IA socialmente incorporata.
- Leggi con me un club del libro sulla causalità
- Come Creare una Visualizzazione a Grafico di Reti a Serie Temporali in Python
- Perché il collegamento probabilistico è più accurato rispetto ai metodi di abbinamento sfumato o basati sulla frequenza dei termini
HSSD-200 è un dataset sintetico di scene 3D che offre un’opzione più realistica e compatta per l’addestramento dei robot in ambienti simulati. Comprende 211 set 3D di alta qualità che replicano interni fisici e contiene 18.656 modelli di 466 categorie semantiche. Nonostante sia di dimensioni ridotte, gli agenti di navigazione ObjectGoal addestrati su HSSD-200 hanno prestazioni paragonabili a quelli introdotti su dataset molto più grandi. In alcuni casi, l’addestramento su soli 122 scene HSSD-200 supera le prestazioni degli agenti addestrati su 10.000 scene provenienti da dataset precedenti, dimostrando l’efficienza nella generalizzazione agli scenari del mondo fisico.
Nel campo della ricerca nella robotica, avere una piattaforma condivisa è fondamentale. HomeRobot cerca di rispondere a questa esigenza definendo compiti motivanti, fornendo interfacce software versatili e promuovendo l’interazione della comunità. La manipolazione mobile a vocabolario aperto è il compito motivante, sfidando i robot a manipolare oggetti in ambienti diversi. La libreria HomeRobot supporta la navigazione e la manipolazione per Stretch di Hello Robot e Spot di Boston Dynamics, sia in ambienti simulati che del mondo reale, promuovendo così la replicazione degli esperimenti. La piattaforma enfatizza la trasferibilità, la modularità e gli agenti di base, con una valutazione che mostra un tasso di successo del 20% nei test del mondo reale.
Il campo della ricerca nell’IA incorporata è in continua evoluzione per soddisfare ambienti dinamici che coinvolgono interazioni tra esseri umani e robot. La visione di Facebook AI per lo sviluppo di robot socialmente intelligenti non si limita a scenari statici. Il loro obiettivo è la collaborazione, la comunicazione e la previsione di stati futuri in ambienti dinamici. Per raggiungere questo obiettivo, i ricercatori utilizzano Habitat 3.0 e HSSD-200 come strumenti per addestrare modelli di intelligenza artificiale in simulazione. L’obiettivo è assistere e adattarsi alle preferenze umane implementando poi questi modelli addestrati nel mondo fisico per valutarne le prestazioni e le capacità reali.
